AI 檢測上線後，品管為什麼還在重查？先找出三種重工

新會員註冊記得輸入邀約碼 DP020 【點擊註冊連結】

▸▸ 點我查看活動主文 ◂◂

一、設備判一次，人又看一次

設備攔下的產品，不一定全是真正的不良品。以連接器組裝檢查為例，缺件需要攔截，但反光、工件傾斜或正常材料紋路，也可能讓判定出錯。若只記「人工複判後放行」，相同問題下一班還會再來一次。

把複判原因分成三類，處理方式就清楚了。

影像看不清：

保存原圖，先查照明、焦點、拍攝角度與工件位置。

影像清楚，人的答案卻不同：

先統一允收圖例，分清正常變化與真正缺陷。

影像和標準都清楚，設備仍判錯：

再檢查判讀工具、設定與訓練樣本。

這三類不能全部歸成「AI 不夠準」。尤其是允收標準尚未一致時，多收照片也不會自動產生正確答案。複判紀錄至少要留下原圖、人工判定與放行理由，才能知道要改光學、改標準，還是改模型。

盤點時也要分清楚，工站究竟在做有無檢查、尺寸量測、文字識別，還是外觀判讀。

VSK（威視康）寫的機器視覺指南可用來核對任務與設備方向：

https://www.vsk.com.tw/machine-vision-guide.html

二、換一個產品，就重新摸索設定

換線花時間，不一定是檢測演算法太慢。如果人員要先找「上次能用的檔案」，再問哪一版才是正式設定，問題已經出在版本管理。

每組檢查設定應對應料號、版本與確認日期，並保留換線後的確認方法。要確認的不只是檔案載入成功，還包括目前工件是否對應這份設定、應攔的不良是否確實被攔下。

以標籤檢查為例，「有印字」「讀得出來」「內容符合本批工單」是三件事。若設備只完成前兩件，人員仍得核對批號或效期，這不是多看一次而已，而是原本少做了一項工作。改善方向應是讓正確的預期內容進入比對流程，而非只提高辨識速度。

食品飲料包裝檢查說明中，整理了文字、包材與配方資料核對的分工，可對照自己換線時還在人工確認什麼：

https://www.vsk.com.tw/solutions/food-beverage.html

三、存了很多圖，出事仍然找不到

資料夾裡有照片，不代表查得到某一件產品的檢查紀錄。只有拍攝時間、沒有工件身分，碰上重拍、返工或同批多件，就容易找錯對象。

拿一筆異常倒查：能否從工件序號或批號，找到工站、原圖、判定結果、設定版本與後續處置？哪一段對不起來，那一段就是追查時反覆耗工的地方。需要逐件追溯，就不能只靠批次資料猜是哪一件。

若目前卡在取得工件身分，可從條碼讀取器選型頁了解讀碼設備方向；讀出的身分如何連到影像與生產紀錄，則要一併規劃資料介面：

https://www.vsk.com.tw/barcode-reader.html

四、先選一件重工，寫成可改善的需求

從同一工站、同一類產品開始，用既有紀錄補上六個欄位即可：料號、重做動作、發生原因、處理次數、投入人數與時間、處理結果。不必再抄一整份生產報表。

例如，把「品管複判很多」改成：「組裝站攔下的產品中，有一類是允許存在的表面紋路；不同班別沒有共用放行圖例，因此反覆詢問與重看。」這樣就能先整理判定圖例，再確認是否需要調整檢測方法。

排序時，先處理會造成不良流出的風險；其餘再按累積人力比較。每天發生的小動作，加總後可能比偶發的大故障更耗工。改善前先留下處理次數與工時，之後才有辦法回答工作到底少了多少。

需要評估設備方向時，可用樣品可行性評估整理檢測類型、外觀變化、線速與環境，再帶著正常品、不良品及爭議樣本和 VSK 工程師討論：

https://www.vsk.com.tw/sample-photo-checker.html

下一篇：產線檢測別急著做 AI Agent：先選對判讀方法與工作流程。接著談清楚哪些工作需要 AI，哪些先把固定流程做好就夠。